《科创板日报》8月24日讯（记者 张洋洋）国产大模型企业DeepSeek“点燃”资本市场券商配资。
近日，DeepSeek宣布其新一代模型DeepSeek-V3.1采用了UE8M0 FP8 Scale参数精度，并明确指出该精度标准是针对即将发布的下一代国产芯片设计。这一消息迅速在资本市场引发强烈反应，寒武纪等芯片类上市企业股价集体拉升。
不过，在近两日举办的2025算力大会上，据《科创板日报》记者的现场采访和观察来看，大家在聚焦国产算力时，DeepSeek的FP8精度标准虽被讨论，但业内人士的情绪显然没有资本市场那么高亢。技术派更关注FP8在模型训练、推理及生态标准化上的实际价值与挑战。
▍FP8是什么，有哪些提升？
在AI训练与推理过程中，为提升计算效率，数值精度的降低是一个常见的技术路径。
摩尔线程AI Infra总监陈志向《科创板日报》记者称，过去，大模型训练推理普遍使用FP32（32位浮点数），随后逐步过渡到FP16（16位浮点数）混合精度，以减少存储和通信开销，FP8则进一步将数据宽度压缩至8位。
“FP8最直接的优势是算力效率翻倍，另一个好处是降低降低训练和推理过程中网络带宽的通信量。”陈志称，比如原本传输一个FP32数值需4字节，现在仅需FP8仅需要1字节，虽然网络物理带宽本身未必扩大，但单位时间内可传输信息是增加的，同时也让存储要求降低。这意味着在相同功耗下，AI芯片可训练更大的模型或缩短训练时间。
不过，FP8也不是万能的。
在2025算力大会现场，另一名不愿具名的国产芯片厂商从业人员告诉《科创板日报》记者，用类似FP8低精度训练推理虽然快，但也容易因数值范围太小导致计算出错。而且券商配资，不同计算对精度要求不同，像矩阵乘法这类操作对精度不敏感，可以用较低的精度（如FP8）计算；而像累加或某些函数则需要较高精度。因此，业内通常采用“混合精度训练”，根据计算类型动态选择不同的精度，兼顾效率与准确。
联华证券提示：文章来自网络，不代表本站观点。
沪深京指数
推荐资讯